[发明专利]一种基于时空图神经网络的农机作业轨迹田路分割方法

权利要求书

1.一种基于时空图神经网络的农机作业轨迹田路分割方法，其特征在于，采用基于时间与空间关系的时空图神经网络对农机有效作业轨迹进行分割，利用安装在农机上的北斗定位采集模块采集农机轨迹数据，利用农机轨迹数据中不同轨迹点之间的关联信息构建时空图神经网络，以便挖掘到更加丰富的轨迹点特征信息，从而对农机作业轨迹实现农田和道路的自动分割；具体而言，针对某一台农机的一天的轨迹数据构建一个时空图，其可以有效利用同一块农田内轨迹点之间的相关性构建不同类型的边；然后，采用图卷积网络在这个时空图中进行信息传播及特征提取，为每个轨迹点挖掘更加丰富的上下文信息，以提高轨迹点分类效果；具体包括三大步骤：

(1)输入特征抽取：农机轨迹数据中每一行数据含有某一时刻农机的位置、方向和速度信息特征；利用这些信息计算两点之间的经纬度差、加速度和转向角度，丰富其特征维度；最后每个轨迹点是由7个特征组成包括经度差、纬度差、速度、方向差、转向角、加速度和加速度变化率的一个向量来表示；

(2)时空图构建：为了充分利用轨迹数据所蕴含的时空信息，分别设计了基于时间维度寻找邻近点与基于空间维度寻找邻近点的算法，为每幅轨迹中的每个轨迹点找到上述时空相关的7个轨迹点，构建相应的边，最终得到整幅轨迹的时空图；具体而言，可以分为轨迹点选择、时间相关边构建、空间相关边构建、自相关边构建几个步骤；

(3)轨迹点特征的卷积变换：采用图卷积网络进行多次轨迹点特征信息传递，得到每个轨迹点的新特征表示；由于每个轨迹点与邻居轨迹点的关联强度不同，每次轨迹点特征信息传递使用一个聚合层进行轨迹点之间的信息传递；具体而言，将输入图的邻接矩阵A变换成一个带权矩阵B，即在带权矩阵B中，表示边连接关系的值不再都是1，而是一个权重值，通过这种方式就可以实现对所有邻居轨迹点的加权平均；另外，这些权重值代表的是节点之间的关联强度，其值是通过训练时空图卷积神经网络得到；

对于第l次轨迹点信息传递所使用的聚合层，其计算由以下函数表示：

上式中，H^(l)是第l个聚合层的输入特征矩阵，σ为非线性激活函数，是邻接矩阵A的归一化矩阵，W^(l)是训练权重。

2.根据权利要求1所述的基于时空图神经网络的农机作业轨迹田路分割方法，其特征在于，所述构建轨迹数据时空图是以选定的轨迹数据中t时刻的轨迹点p_t为基准点，寻找上一时刻t-1的时间最邻近的轨迹点p_t-1和时间次邻近点p_t-2，同理，p_t+1和p_t+2分别为轨迹点p_t在下一时刻t+1的时间上最邻近的轨迹点和时间次邻近点；其次，从去除时间最邻近轨迹点与时间次邻近点轨迹点外的所有轨迹点中寻找在空间距离上与轨迹点p_t最邻近的轨迹点p_s1以及次距离邻近点p_s2。